जलाशय लक्षण वर्णन, चेहरे की मॉडलिंग और भूसांख्यिकी

लाभ:

• यह समझाने की क्षमता कि जलाशय गुणों (छिद्रता, पारगम्यता, जल संतृप्ति) का 3डी वितरण एआई और भू-सांख्यिकी के साथ कैसे तैयार किया जाता है
• फेशियल मॉडलिंग, वेरियोग्राम, क्रिगिंग और मशीन लर्निंग के साथ फीचर स्प्रेड का पता लगाने की क्षमता
• सामग्री संतुलन, अच्छी तरह से परीक्षण और अनिश्चितता परिदृश्यों के साथ जलाशय मॉडल आउटपुट को सत्यापित करने की क्षमता

एक तेल या गैस क्षेत्र का निर्माण करने के लिए, हमें सबसे पहले इसका एक 3डी मॉडल बनाने की आवश्यकता है: जलाशय की चट्टान कहां है, यह कितनी छिद्रपूर्ण है (छिद्रता), द्रव कितनी आसानी से बहता है (पारगम्यता/पारगम्यता), और कितने छिद्र हाइड्रोकार्बन से भरे हुए हैं (1 − जल संतृप्ति)। लेकिन हम इन विशेषताओं को केवल उन बिंदुओं पर माप सकते हैं जहां हम कुएं खोदते हैं; कुओं के बीच का बड़ा हिस्सा खाली है और उसे भरा जाना चाहिए। जलाशय लक्षण वर्णन में कुओं में बिंदु माप लेना और भूवैज्ञानिक तर्क और सांख्यिकी का उपयोग करके उन्हें संपूर्ण मात्रा तक विस्तारित करना शामिल है। इस इकाई में, हम इस प्रसार कार्य में कृत्रिम बुद्धिमत्ता और भू-सांख्यिकी (सांख्यिकी की शाखा जो अनिश्चितता के साथ स्थानिक डेटा को मॉडल करती है) का उपयोग करते हैं। अपरिवर्तनीय सिद्धांत: प्रत्येक अच्छे से अच्छे का मूल्य एक अनुमान है, वास्तविक नहीं; अनिश्चितता मॉडल का हिस्सा है और इसका परीक्षण भौतिक संतुलन द्वारा किया जाता है।

बुनियादी अवधारणाएँ

• चेहरे: अद्वितीय गुणों वाला एक चट्टान प्रकार जो एक विशेष निक्षेपण वातावरण (जैसे नदी चैनल रेत, समुद्री शेल, रीफ चूना पत्थर) में बना था। जलाशय की गुणवत्ता प्रजातियों से निकटता से जुड़ी हुई है: चैनल रेत को अच्छी तरह से बहाता है, लेकिन शेल को नहीं।
• वेरियोग्राम: स्थानिक निरंतरता का एक माप जो बताता है कि दो बिंदुओं के बीच की दूरी बढ़ने पर फीचर समानता कैसे कम हो जाती है। यह भू-सांख्यिकी का मूल उपकरण है।
• क्रिगिंग: एक विधि जो अनुमान अनिश्चितता के साथ-साथ वैरोग्राम का उपयोग करके अनसैंपल्ड बिंदुओं पर मूल्य का अनुमान लगाती है।
• स्टोकेस्टिक सिमुलेशन: एकल "सर्वोत्तम" अनुमान के बजाय डेटा के साथ संगत कई समान रूप से संभावित मॉडल (एहसास) तैयार करना; इससे अनिश्चितता दृष्टिगोचर होती है।
• सामग्री संतुलन: जलाशय से उत्पन्न द्रव, दबाव ड्रॉप और शेष मात्रा के बीच संरक्षण संबंध; भौतिक एंकर जो स्वतंत्र रूप से मॉडल वॉल्यूम का परीक्षण करता है।

संकेत: जलाशय मॉडल एक अनिश्चितता वितरण है, एक संख्या नहीं। सही भाषा "P90=35, P50=50, P10=72 मिलियन बैरल" है, न कि "रिजर्व 50 मिलियन बैरल"। एआई से एक परिदृश्य/वितरण के लिए पूछें, एक बिंदु अनुमान के लिए नहीं।

एआई और जियोस्टैटिस्टिक्स एक साथ कैसे काम करते हैं

शास्त्रीय भू-सांख्यिकी (क्रिगिंग, वेरियोग्राम) शक्तिशाली है लेकिन बहुभिन्नरूपी, गैर-रेखीय संबंधों के साथ संघर्ष करती है। यहीं पर मशीन लर्निंग काम आती है:

• चेहरे का वर्गीकरण: लॉग सेट (पर्यवेक्षित शिक्षण) से चेहरे को निर्दिष्ट करना; फिर एक गाइड के रूप में चेहरे का उपयोग करके सुविधा वितरित करें।
• विशेषता अनुमान: भूकंपीय विशेषता + लॉग संबंध (भूकंपीय संचालित मॉडलिंग) से अंतर-अच्छी सरंध्रता का अनुमान लगाना।
• गैप फिलिंग: पड़ोसी कुओं और रिश्तों से छूटी हुई लॉग रेंज को यथोचित रूप से पूरा करना।

लेकिन मशीन लर्निंग भूवैज्ञानिक तर्क नहीं जानता है। किसी मॉडल द्वारा निर्मित सरंध्रता मानचित्र गलत है यदि यह निक्षेपण वातावरण (उदाहरण के लिए शेल प्रजातियों में उच्च पारगम्यता) के साथ असंगत है। भूवैज्ञानिक संभाव्यता एआई आउटपुट का पहला फिल्टर है।

चरण दर चरण: जलाशय मॉडल वर्कफ़्लो

1. संरचनात्मक कंकाल. भूकंपीय (यूनिट 3 से आउटपुट) से क्षितिज और दोषों के साथ जलाशय की ज्यामिति स्थापित करें।
2. चेहरे का मॉडल. कुओं (लॉग + कोर) में प्रजातियों का निर्धारण करें, वैरोग्राम/भूवैज्ञानिक प्रवृत्ति के साथ मात्रा में वितरित करें। एआई वर्गीकरण को गति देता है।
3. सुविधा परिनियोजन. सिंचाई या मशीन लर्निंग द्वारा प्रत्येक प्रजाति के भीतर सरंध्रता, पारगम्यता, जल संतृप्ति वितरित करें; यदि भूकंपीय है, तो एक गाइड प्राप्त करें।
4. अनिश्चितता. स्टोकेस्टिक सिमुलेशन के साथ बड़ी संख्या में अहसास उत्पन्न करें; P90/P50/P10 वॉल्यूम आउटपुट हैं।
5. सत्यापन. सामग्री संतुलन और इतिहास मिलान के साथ परीक्षण मॉडल मात्रा; अच्छी तरह से परीक्षण पारगम्यता के साथ तुलना करें।

तीन मिनी मामले: संख्याओं द्वारा

केस 1 - फेशियल गाइड का मूल्य। जब सरंध्रता को किसी साइट पर सीधे सिंचाई द्वारा फैलाया गया, तो उच्च सरंध्रता निम्न-गुणवत्ता वाले शेल क्षेत्रों में "रिस गई"। जब फेशियल मॉडल पहली बार स्थापित किया गया था और फेशियल के भीतर सरंध्रता वितरित की गई थी, तो मॉडल यथार्थवादी हो गया और स्टोकेस्टिक वॉल्यूम कम हो गया: P50 वॉल्यूम में 12% की कमी आई, लेकिन अनिश्चितता बैंड 40% तक कम हो गया। सही संरचना से अधिक यथार्थवादी और सुरक्षित परिणाम मिले।

केस 2 - एक्सट्रपलेशन ट्रैप। मशीन लर्निंग मॉडल ने उस क्षेत्र में सरंध्रता-भूकंपीय संबंध को अच्छी तरह से सीखा जहां कुएं केंद्रित हैं; लेकिन जब इसे कुएं के बिना किनारे वाले ब्लॉक पर लागू किया गया, तो यह प्रशिक्षण सीमा (एक्सट्रपलेशन) से बाहर हो गया और 28% की अवास्तविक सरंध्रता उत्पन्न हुई। भूविज्ञानी ने दिखाया कि वह ब्लॉक एक अलग प्रजाति के क्षेत्र में था; मॉडल उस क्षेत्र में अमान्य था. एक्सट्रपलेशन सीमा चिह्नित है.

केस 3 - भौतिक संतुलन संघर्ष। एक समृद्ध 3D मॉडल P50 भंडार से 68 मिलियन बैरल प्राप्त हुए; हालाँकि, क्षेत्र के शुरुआती उत्पादन दबाव में गिरावट ने एक ऐसी प्रणाली का संकेत दिया जिसमें सामग्री संतुलन अधिकतम ~45 मिलियन बैरल था। विरोधाभास इसलिए आया क्योंकि मॉडल ने असंबद्ध (पृथक) रेत निकायों को बहुत अधिक जुड़ा हुआ मान लिया था। कनेक्शन पर पुनर्विचार किया गया और मॉडल को छोटा बनाया गया। भौतिक एंकर ने ज्यामितीय मॉडल तय किया।

कमजोर संकेत/मजबूत संकेत

कमजोर संकेत:

जलाशय मॉडल और रिज़र्व इस कुएं के डेटा से प्राप्त होते हैं। [डेटा]

शक्तिशाली संकेत:

नीचे दिए गए (अनाम) कुएं और भूकंपीय सारांश से एक जलाशय मॉडलिंग ड्राफ्ट योजना तैयार करें। नियम:- सबसे पहले फेसिअल मॉडल बनाएं; चेहरों के भीतर सरंध्रता/पारगम्यता वितरित करें। हाइड्रोकार्बन फीचर शेल/निम्न गुणवत्ता वाली प्रजातियों में लीचिंग करता है। - डेटा से नहीं, भूवैज्ञानिक प्रवृत्ति से वेरियोग्राम पैरामीटर (दिशा, सीमा) को उचित ठहराएं; धारणाओं को स्पष्ट रूप से लिखें। - परिणाम को P90/P50/P10 वॉल्यूम वितरण के रूप में प्रस्तुत करें, न कि एक संख्या के रूप में। - गरीब क्षेत्रों में एक्सट्रपलेशन के जोखिम को चिह्नित करें। - सामग्री संतुलन/उत्पादन इतिहास के साथ सत्यापित करने का तरीका लिखें। डेटा: [सारांश]

चार प्रतिलिपि योग्य टेम्पलेट

1) चेहरे का वर्गीकरण मसौदा:

लॉग के निम्नलिखित सेट से एक प्रजाति वर्गीकरण दृष्टिकोण का सुझाव दें। उपयोग किए जाने वाले लॉग, वर्ग परिभाषाएँ और कोर लेबलिंग की आवश्यकता को लिखें। वर्गों और भूवैज्ञानिक संभाव्यता जांच के बीच भ्रम के जोखिम को निर्दिष्ट करें। डेटा: [लॉग सेट]

2) वेरियोग्राम औचित्य:

इस सरंध्रता डेटा के लिए एक वेरियोग्राम स्थापित करते समय, दिशा और सीमा चयन को भूवैज्ञानिक वर्षा की दिशा से जोड़ें। आइसोट्रोपिक मानने के जोखिम की व्याख्या करें। थोड़े डेटा के साथ वेरियोग्राम विश्वसनीयता की सीमा बताएं। डेटा: [छिद्रता]

3) अनिश्चितता परिदृश्य:

निम्नलिखित वॉल्यूम इनपुट (क्षेत्र, मोटाई, सरंध्रता, संतृप्ति, रूपांतरण कारक) के लिए P90/P50/P10 वॉल्यूम वितरण उत्पन्न करें। प्रत्येक इनपुट की अनिश्चितता सीमा के बारे में पूछें, इसे मान न लें। अनिश्चितता (बवंडर) के सबसे प्रभावशाली स्रोत को रैंक करें। इनपुट: [मूल्य]

4) सामग्री संतुलन क्रॉस चेक:

सामग्री संतुलन के लिए दिए गए प्रारंभिक उत्पादन और दबाव ड्रॉप डेटा के साथ निम्नलिखित 3डी मॉडल वॉल्यूम की तुलना करें। यदि असंगतता है, तो संभावित कारणों (कनेक्शन, जलभृत समर्थन, वॉल्यूम त्रुटि) की सूची बनाएं। मॉडल: [मात्रा], उत्पादन/दबाव: [डेटा]

जलाशय मॉडल सत्यापन परतें

परत

क्या परीक्षण

विधि

भूवैज्ञानिक संभाव्यता

चेहरे-विशेषता संगति

विशेषज्ञ समीक्षा

अच्छा डेटा

स्पॉट माप अनुपालन

लॉग/कोर तुलना

अच्छा परीक्षण

वास्तविक पारगम्यता/दबाव

दबाव क्षणिक परीक्षण

भौतिक संतुलन

मात्रा संरक्षण

दबाव-उत्पादन संबंध

उत्पादन इतिहास

गतिशील व्यवहार

इतिहास मिलान

सामान्य गलतियाँ

• चेहरे लंघन. फेशियल गाइड के बिना सुविधाओं को वितरित करें और चीज़ के साथ हाइड्रोकार्बन को लीक करें।
• एकल बिंदु भविष्यवाणी. अनिश्चितता वितरण के बजाय भंडार की एकल संख्या की रिपोर्ट करना।
• बहिर्वेशन. प्रशिक्षण डेटा रेंज के बाहर ब्लॉकों पर मॉडल को आँख बंद करके लागू करना।
• भौतिक संतुलन छोड़ना। भौतिक संतुलन के साथ 3डी मॉडल वॉल्यूम का परीक्षण नहीं किया जा रहा है।
• वेरियोग्राम को स्वचालित पर छोड़ दें। भूवैज्ञानिक प्रवृत्ति के बिना दिशा/सीमा का चयन करना।

संक्षेप में

• जलाशय लक्षण वर्णन भूविज्ञान और भूसांख्यिकी के साथ कुओं में बिंदु माप का संपूर्ण आयतन तक विस्तार है।
• एआई और मशीन लर्निंग चेहरे के वर्गीकरण और फीचर भविष्यवाणी में शक्तिशाली हैं; लेकिन भूवैज्ञानिक संभाव्यता पहला फिल्टर है।
• चेहरों के भीतर सुविधाएँ वितरित करें; P90/P50/P10 वितरण के रूप में अनिश्चितता की रिपोर्ट करें।
• एक्सट्रपलेशन सीमाओं को चिह्नित करें; प्रशिक्षण सीमा के बाहर मॉडल का आंख मूंदकर उपयोग न करें।
• सामग्री संतुलन और उत्पादन इतिहास भौतिक एंकर हैं जो ज्यामितीय मॉडल का परीक्षण करते हैं।

आवेदन कार्य

एक क्षेत्र के कई कुओं (प्रतिनिधि) से सरंध्रता/संरचना डेटा लें। शक्तिशाली संकेत के साथ एक मॉडलिंग योजना तैयार करें। फिर: (1) जांचें कि क्या सरंध्रता संकायों के भीतर वितरित है, (2) रिजर्व को P90/P50/P10 के रूप में मांगें, एक भी संख्या नहीं, (3) एक साधारण सामग्री संतुलन (उत्पादित + शेष) तर्क के साथ मॉडल द्वारा दी गई मात्रा प्रदान करें। कम से कम एक कुआँ विहीन क्षेत्र के लिए एक एक्सट्रपलेशन चेतावनी जोड़ें।

चेकलिस्ट

• [ ] मैं समझता हूं कि जलाशय मॉडल एक अच्छा-से-अच्छा अनुमान है और इसमें अनिश्चितता होती है।
• [ ] मैं सुविधाओं को फेशियल गाइड के साथ वितरित करता हूं, मैं उन्हें निम्न गुणवत्ता वाले फेशियल में लीक नहीं करता हूं।
• [ ] मैं रिज़र्व को P90/P50/P10 वितरण के रूप में रिपोर्ट करता हूं, एकल संख्या के रूप में नहीं।
• [ ] मैं एक्सट्रपलेशन सीमाओं को चिह्नित करता हूं।
• [ ] मैं सामग्री संतुलन और उत्पादन इतिहास के साथ मॉडल वॉल्यूम को सत्यापित करता हूं।